張 靜

(吉林建筑大學(xué)城建學(xué)院，吉林長春 130114)

1 研究背景

在“互聯(lián)網(wǎng)+”時代下，電子商務(wù)發(fā)展愈發(fā)迅猛，“拍照賺錢”軟件成為電子商務(wù)的一大亮點。用戶注冊成為該APP會員后，通過APP任務(wù)發(fā)放平臺領(lǐng)取需要拍照的任務(wù)，完成并提交任務(wù)來賺取任務(wù)所標定的酬金。但用戶的期望收益會隨著該軟件用戶基數(shù)的增多而減少，進而導(dǎo)致任務(wù)完成率的降低。

劉艷[1]針對服務(wù)過程中出現(xiàn)的響應(yīng)時間問題及如何將相關(guān)方利益最大化的問題，提出了一種動態(tài)資源定價模型，該種模型通過用戶與供應(yīng)商之間的雙向拍賣來實現(xiàn)。模型中用戶通過響應(yīng)時間出價，資源提供商根據(jù)負載情況定價。周琨[2]針對航空公司的航班運行一直存在安全與成本的矛盾，建立最優(yōu)化飛機日利用率的數(shù)學(xué)模型，運用分枝定價算法進行求解。國成哲[3]創(chuàng)建基于產(chǎn)生新的基本邏輯塊的打包算法，能夠及時實現(xiàn)信息的更替，使得最終決策結(jié)果更加準確、有效。胡欣潔[4]在實時多任務(wù)多用戶操作系統(tǒng)QNX支持下，重點討論了實時多任務(wù)數(shù)字仿真軟件的實現(xiàn)和解決的技術(shù)關(guān)鍵。

為了解決多個用戶同時選擇特定任務(wù)這一問題，對用戶位置和任務(wù)均較密集的區(qū)域進行單獨劃定選取，對原有定價模型進行修改，以避免多任務(wù)多用戶爭相選擇的問題?？紤]到眾包平臺、會員用戶和任務(wù)發(fā)放點經(jīng)緯度分布之間的相互關(guān)系，我們要找到一種合適的修改方案，使任務(wù)發(fā)放量最大，同時使會員用戶和平臺軟件的利益最大化，將任務(wù)預(yù)定時間考慮進去，建立修正的定價模型。通過檢驗?zāi)Ｐ偷娜蒎e率，對比確定出合理的定價方案，并驗證其合理性。

2 分布式任務(wù)發(fā)布定價模型的建立

一個任務(wù)合理定價的得來需要綜合考慮若干因素。這些因素要想被有效且快速地運用，需要一個準確的定價輔助分析模型。一般來看，影響任務(wù)定價的因素有以下幾個方面：(1)任務(wù)發(fā)布位置。一個好的任務(wù)發(fā)布位置對于任務(wù)價格的影響是巨大的。在人流稀疏、位置偏遠的地方發(fā)布任務(wù)，會使得會員難以在短時間內(nèi)完成任務(wù)。反之，會員不但可以快速完成任務(wù)，整個區(qū)域內(nèi)的完成率也會較高。(2)會員位置。會員位置對于任務(wù)的完成情況有直接影響。面對同一個任務(wù)，同一區(qū)域內(nèi)的會員會存在競爭，但由于會員與任務(wù)間的位置遠近不同，這種競爭關(guān)系的激烈程度也不盡一致。采用何種定價策略來降低會員的時間成本，進而平衡會員與任務(wù)的不同距離，是分析模型需要注意的問題。(3)預(yù)定任務(wù)限額。在初期由于任務(wù)較少，可能存在定價不合理的現(xiàn)象。但是隨著任務(wù)限額投放量的增加，定價最終會趨于合理。(4)信譽值。信譽值對于用戶而言是一種激勵制度，信譽度高的用戶可以優(yōu)先進行任務(wù)預(yù)定。并且價格還可隨任務(wù)預(yù)定量的變化而變化，即任務(wù)預(yù)定量越大，價格越低。

數(shù)據(jù)來源：http://blog.sciencenet.cn/blog-752541-1075913.html(2017年高教社杯全國大學(xué)生數(shù)學(xué)建模競賽B題的3個附件)。距離任務(wù)最近的會員位置與該任務(wù)之間的距離可以通過JAVA軟件求得，該算法以被完成的任務(wù)為中心。構(gòu)建for循環(huán)，輸入?yún)?shù)：內(nèi)層循環(huán)是所有會員的具體地點，定義一個變量為min的函數(shù)；外層循環(huán)為帶有精確經(jīng)緯度的各個任務(wù)位置；輸出參數(shù)：會員編號以及所有任務(wù)到會員之間的最短距離，其中包含所有由程序運行的835個任務(wù)。接下來通過鏈接會員信息表與任務(wù)列表進行數(shù)據(jù)處理。最后通過數(shù)據(jù)可視化技術(shù)，把會員表跟任務(wù)表進行完整鏈接并把主鍵建立為會員編號，得到的部分結(jié)果如表1所示。

表1 自然連接表

用戶信譽度與開始預(yù)定時間、會員配額之間存在一定程度上的正相關(guān)關(guān)系。其中，配額指的是在一天時間內(nèi)某一位會員最多可以順利完成的任務(wù)數(shù)，配額的多少將直接影響任務(wù)的最終完成情況。會員與任務(wù)間的距離是影響任務(wù)完成的另一重要指標，當會員距離任務(wù)過遠時，他不太可能接受該任務(wù)，因此二者之間是負相關(guān)的關(guān)系。假設(shè)用戶期望值是用戶信譽值與任務(wù)與用戶距離的比值，以任務(wù)配額和用戶期望值為自變量，以任務(wù)定價為因變量，對所有數(shù)據(jù)進行標準化處理后，再運用SPSS 22.0做線性回歸[5]，最終可得到模型一的線性關(guān)系式：

Y=-0.055m+0.067n+71.445.

其中，m為期望值，n為預(yù)訂任務(wù)限額。

最終由描述性統(tǒng)計量反映出，數(shù)據(jù)的定價均集中在70元。從Anova圖以及模型匯總分析可得出，決定系數(shù)為35%，這說明了該回歸關(guān)系可被自變量解釋的比例為35%。統(tǒng)計量F=0.063，說明擬合較好，該模型較良好。

3 多任務(wù)多用戶爭相選擇問題的定價模型修正

針對多任務(wù)多用戶爭相選擇的問題，對原定價模型修正。為避免不利局面的發(fā)生，應(yīng)注重實際效果，按任務(wù)的經(jīng)緯度分布進行合理的組織打包，即在劃分的區(qū)域范圍內(nèi)將兩者相對集中的任務(wù)點聯(lián)合在一起進行打包發(fā)布，這樣既降低了用戶的成本，也完善了供求匹配。加強統(tǒng)分結(jié)合，統(tǒng)一實施發(fā)放，最后科學(xué)地分配到用戶，解決多用戶互相選擇的問題。這樣的實施方案，在進一步降低成本的同時也為用戶提供了保障。

3.1 打包過程

設(shè)計一種修改方案，來避免多任務(wù)多用戶爭相選擇的問題，考慮到眾包平臺、會員用戶和任務(wù)發(fā)放點經(jīng)緯度分布之間的相互關(guān)系，要找到一種合適的修改方案使得任務(wù)的發(fā)放量最大，同時使會員用戶和平臺軟件達到利益最大化，為此建立三者之間的影響模型。此模型的算法如下：

輸入：A數(shù)組存放具體任務(wù)位置的坐標(Ai0,Ai1)；

過程：對A數(shù)組存放的坐標進行遍歷，for循環(huán)：

{inti=0;i

{intj=i+1;j

循環(huán)條件：(Ai0-Aj0)2+(Ai1-Aj1)2≤M，閾值M設(shè)定為0.003；

決定總?cè)蝿?wù)定價的權(quán)重由每個任務(wù)包中的任務(wù)數(shù)量所確定，權(quán)重W=(11-n)/10；

輸出：數(shù)組接受打包的3個任務(wù)編號，并存儲。

實驗部分代碼及結(jié)果如圖1和圖2所示。

圖1 打包過程的部分代碼

圖2 生成數(shù)據(jù)

3.2 修正后的模型結(jié)果及分析

在改進的任務(wù)模型中，仍假設(shè)期望值為用戶信譽度與距離的比值。模型二以期望值和用戶配額度為自變量，以任務(wù)定價為因變量。考慮到預(yù)定時間[6]可能會影響到接單執(zhí)行的可能性，在模型二的基礎(chǔ)上進行修正，將開始預(yù)訂時間轉(zhuǎn)化為數(shù)值作為第三個自變量。應(yīng)用SPSS 22.0軟件，得到自變量前面的系數(shù)值，如表2所示。修正的模型二的線性關(guān)系表達式如下所示：

Y=-0.08x1+0.319x2+0.255x3+0.033x4-0.017.

其中，x1為每個任務(wù)包到最近會員的距離，x2為期望值，x3為開始預(yù)訂時間，x4為任務(wù)配額，Y表示任務(wù)定價。

表2 線性關(guān)系式中的系數(shù)表

綜合對Anova圖和模型分析可知，決定系數(shù)R2為5%，說明y的全部變異中，可以通過回歸關(guān)系被自變量解釋的比例為35%。如果統(tǒng)計量太小，表明因變量能被自變量解釋的程度很差，得到的回歸直線意義很差；反之，則擬合較好。此處的F=0.06，說明擬合較好。

4 模型檢驗

4.1 檢驗標準一

4.1.1 算法思想

(1)輸入變量：用戶期望值、用戶與任務(wù)之間的最小距離、任務(wù)定價、模型預(yù)定任務(wù)額、擬合任務(wù)定價、用戶開始預(yù)訂時間；

(2)循環(huán)條件：abs(擬合任務(wù)定價-任務(wù)定價)≤ 3；

(3)輸出結(jié)果：如果滿足算法循環(huán)條件，則算法輸出1；若不滿足，則結(jié)果為0；

本文設(shè)置的任務(wù)定價容錯率(閾值)為3。采用四個區(qū)域的擬合方程來擬合任務(wù)定價。圖3是檢驗容錯率的部分Java代碼。

圖3 檢驗容錯率的部分Java代碼

4.1.2 統(tǒng)計結(jié)果

任務(wù)定價模型：廣州市任務(wù)定價容錯率的結(jié)果比對模型正確的概率值為68.31%；佛山市任務(wù)定價容錯率的結(jié)果比對模型正確的概率值為74.52%；深圳市任務(wù)定價容錯率的結(jié)果比對模型正確的概率值為80.14%；東莞市任務(wù)定價容錯率的結(jié)果比對模型正確的概率值為76.13%。

解決多用戶多任務(wù)爭相選擇問題的模型：廣州市任務(wù)定價容錯率的結(jié)果比對模型正確的概率值為79.31%；佛山市任務(wù)定價容錯率的結(jié)果比對模型正確的概率值為85.67%；深圳市任務(wù)定價容錯率的結(jié)果比對模型正確的概率值為90.03%；東莞市任務(wù)定價容錯率的結(jié)果比對模型正確的概率值為86.45%。

4.2 檢驗標準二(分組數(shù)據(jù)的Logistic回歸模型)

其中，πi=E(yi)，因而選取權(quán)數(shù)為ωi=nipi(i-pi).

對四個區(qū)域的數(shù)據(jù)，依次點選SPSS軟件Statistics-Regression-Logistic命令，進入Logistic回歸對話框，選入變量，點選OK運行。統(tǒng)計結(jié)果為：

任務(wù)定價模型：廣州市任務(wù)定價模型正確的概率值為67.21%；佛山市任務(wù)定價模型正確的概率值為72.59%；深圳市任務(wù)定價模型正確的概率值為79.04%；東莞市任務(wù)定價模型正確的概率值為74.35%。

解決多用戶多任務(wù)爭相選擇問題的模型：廣州市任務(wù)定價模型正確的概率值為75.19%；佛山市任務(wù)定價模型正確的概率值為84.76%；深圳市任務(wù)定價模型正確的概率值為90.12%；東莞市任務(wù)定價模型正確的概率值為85.54%。決定系數(shù)R2=0.9243，顯著性檢驗值P≈0，高度顯著。

5 總結(jié)和評價

本文首先結(jié)合會員的信息，基于會員與任務(wù)的最小距離、會員預(yù)定任務(wù)限額以及會員信譽度3個指標，建立多元線性回歸模型，衡量不同時間段不同區(qū)域內(nèi)的“供需匹配”程度是否適合。然后對4個區(qū)域定價容錯閾值內(nèi)的正確率進行分別計算，通過Java軟件進行運算分析，當各個區(qū)域內(nèi)的閾值正確率不低于70%時，方可認為該方案是合理有效的。

對于多位用戶集中選擇某一任務(wù)的問題，模型也有單獨的應(yīng)對措施。模型單獨為這種用戶和任務(wù)均比較密集的區(qū)域進行修改優(yōu)化。首先按任務(wù)的經(jīng)緯度分布進行合理的組織打包，即在劃分區(qū)域范圍內(nèi)將兩者相對集中的任務(wù)點聯(lián)合在一起進行打包發(fā)布，這樣避免了任務(wù)高峰期的局面發(fā)生。其次將任務(wù)預(yù)定時間考慮進去，建立實時的定價模型，使得任務(wù)的發(fā)放量最大，同時使會員用戶和平臺軟件的利益最大。